Bootstrap confidence sets under model misspecification
模型误设下的自助法置信集AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用似然推断与模型误设，线性和逻辑回归示例不足以确定所列经济计量细分领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
模型误设下的自助法置信集
- 研究问题
- 有限样本且参数模型可能误设时，乘子自助法能否有效构造似然置信集，参数维度和建模偏差如何影响近似？
- 方法与思路
- 作者分析基于似然的乘子自助法，控制参数维度与样本量的关系，并区分较小建模偏差和显著误设的情形。
- 材料陈述的贡献
- 摘要称，参数维度三次方与样本量之比小时近似有效，小建模偏差下仍有保证；较大偏差会扩大置信集。
- 阅读关注点
- 应核对小建模偏差条件、置信集覆盖的目标参数、有限样本误差界，以及维度限制和保守性结论的具体前提。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；建模偏差条件和目标参数未展开，不能将适用性理解为对任意严重误设均有效。
原文摘要
A multiplier bootstrap procedure for construction of likelihood-based confidence sets is considered for finite samples and a possible model misspecification. Theoretical results justify the bootstrap validity for a small or moderate sample size and allow to control the impact of the parameter dimension $p$: the bootstrap approximation works if $p^{3}/n$ is small. The main result about bootstrap validity continues to apply even if the underlying parametric model is misspecified under the so-called small modelling bias condition. In the case when the true model deviates significantly from the considered parametric family, the bootstrap procedure is still applicable but it becomes a bit conservative: the size of the constructed confidence sets is increased by the modelling bias. We illustrate the results with numerical examples for misspecified linear and logistic regressions.